基于机器学习的复杂浓缩合金相形成与力学性能分析
应用物理
2025-11-07 v1 材料科学
摘要
复杂浓缩合金（CCAs）的力学性能取决于其形成的相及相应结构，对给定 CCA 的相形成预测对其发现与应用至关重要。我们从既往研究收集了541个样品，包括61个非晶、164个单相晶态和361个多相晶态 CCA。我们提出了三个分类模型对 CCAs 的相选择进行分类与理解。此外，构建了双目标回归模型以预测 CCAs 的硬度与压缩屈服应力。三个分类模型精度均高于85%，随机森林回归模型对两个目标的相关系数均大于0.9。另外，我们通过多任务 SISSO 方法提出四个描述符来预测 CCAs 的力学性能，SISSO 模型的平均相关系数高于0.85。本工作展示了机器学习方法在 CCA 目标性能预测中的巨大潜力。
引用
@article{arxiv.2008.08341,
title = {Analysis of Phase Formations and Mechanical Properties in Complex Concentrated Alloys by Machine Learning Approach},
author = {Jie Xiong and San-Qiang Shi and Tong-Yi Zhang},
journal= {arXiv preprint arXiv:2008.08341},
year = {2025}
}